Bài báo: Tuning-Free One-Class Discriminant Learning for Tabular Anomaly Detection
Link bài báo: https://icml.cc/virtual/2026/poster/66414
Nhóm tác giả:
- Vũ Nguyễn Thái Dương – ATTN2023 – Tác giả chính
Giảng viên hướng dẫn:
- PGS.TS. Lê Kim Hùng
- ThS. Nguyễn Xuân Hà
- TS. Nguyễn Văn Hợi
- GS.TS. Lê Khắc Nhiên Ân
Tóm tắt:
Anomaly detection (AD) on real-world tabular data is challenged by scarce labels, diverse anomaly types, and high sensitivity to data-specific hyperparameter tuning. We propose Discriminant Vector Machine for Anomaly detection (DVM-AD), a robust one-class method derived from discriminant analysis without data-specific tuning. DVM-AD makes one-class discriminant learning effective via a deterministic reference point, then solves a generalized eigenproblem using a Moore–Penrose pseudo-inverse to remain stable under high-dimensional or rank-deficient settings. Moreover, it selects discriminant directions from both extremes of a bounded inverse-scatter spectrum, combining directions to tighten the normal class with structure-preserving directions that retain informative geometry, addressing the compactness–structure tradeoff. At inference, DVM-AD samples scores by nearest-neighbor distance in the learned space with a training-geometry normalization to yield bounded and threshold-ready scores. Across 47 ADBench tabular datasets and 10 NLP/CV embedding benchmarks against 28 baselines, DVM-AD achieves the best average AUROC (89.65%, average rank 2.98) on tabular datasets and remains top-ranked across four anomaly types and on embedding tasks (average rank 1.60, AUROC 72.68%).
Bài báo được công bố tại hội nghị quốc tế:
International Conference on Machine Learning (ICML) là hội nghị khoa học quốc tế danh giá hàng đầu thế giới trong lĩnh vực học máy, được xếp hạng A* theo chuẩn CORE – cấp độ cao nhất trong lĩnh vực khoa học máy tính. Đây là diễn đàn quy tụ những nghiên cứu đột phá với quy trình phản biện khắt khe và tỷ lệ chấp nhận khoảng 20%, được xem là một trong những thước đo quan trọng khẳng định chất lượng nghiên cứu và vị thế của cộng đồng khoa học trí tuệ nhân tạo trên toàn cầu.
Thông tin chi tiết tại: https://www.facebook.com/share/p/1HNK7SA1jQ/
Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin
